FPGA Donanımı Üzerinde Çalışan Elma Sınıflandırma ve Boyutlandırma Sistemi

Abstract

FPGA (Field Programmable Gate Array) teknolojisi ile görüntü işleme, veri madenciliği, nesne tanıma gibi uygulamalar yüksek performansta gerçekleştirilebilmektedir. FPGA’daki üstün mimari yapısı sayesinde görüntü işleme uygulamalarında çok hızlı şekilde sonuçlar alınabilmektedir. Bu donanım bilgisayardan bağımsız olarak çalıştığından yapılan çalışmanın mobilleşmesi sağlanmaktadır, bu ve benzeri avantajlarından dolayı çalışmada FPGA tercih edilmiştir. Tasarlanan sistemle gerçek zamanlı olarak granny smith (GS) ve starking (ST) tür elmaların genişlik ölçümü ve renge bağlı olarak sınıflandırma işlemleri yapılmaktadır. Çalışmada, segmentasyon ve sınıflandırma işlemlerinde kullanılan en başarılı danışmansız öğrenme yöntemlerinden birisi olan K-means kümeleme metodu tercih edilmiştir. Bu metot çalışmamıza uygun şekilde modifiye edilerek VHDL (Very High Design Language) diliyle FPGA’da uygulanmıştır. Tasarlanan sistem üzerinde yapılan test işlemlerinde 100 adet elma için ortalama % 2.09 bağıl hata ile elma genişliği ölçülmüş ve %94 başarı ile elma sınıflandırma işlemi gerçekleştirilmiştir.FPGA (Field Programmable Gate Array) teknolojisi ile görüntü işleme, veri madenciliği, nesne tanıma gibi uygulamalar yüksek performansta gerçekleştirilebilmektedir. FPGA’daki üstün mimari yapısı sayesinde görüntü işleme uygulamalarında çok hızlı şekilde sonuçlar alınabilmektedir. Bu donanım bilgisayardan bağımsız olarak çalıştığından yapılan çalışmanın mobilleşmesi sağlanmaktadır, bu ve benzeri avantajlarından dolayı çalışmada FPGA tercih edilmiştir. Tasarlanan sistemle gerçek zamanlı olarak granny smith (GS) ve starking (ST) tür elmaların genişlik ölçümü ve renge bağlı olarak sınıflandırma işlemleri yapılmaktadır. Çalışmada, segmentasyon ve sınıflandırma işlemlerinde kullanılan en başarılı danışmansız öğrenme yöntemlerinden birisi olan K-means kümeleme metodu tercih edilmiştir. Bu metot çalışmamıza uygun şekilde modifiye edilerek VHDL (Very High Design Language) diliyle FPGA’da uygulanmıştır. Tasarlanan sistem üzerinde yapılan test işlemlerinde 100 adet elma için ortalama % 2.09 bağıl hata ile elma genişliği ölçülmüş ve %94 başarı ile elma sınıflandırma işlemi gerçekleştirilmiştir.